Els models de raonament són sistemes de llenguatge optimitzats per resoldre problemes mitjançant passos intermedis explícits, en lloc de generar una resposta directa a partir de la mera predicció del següent token. Abans de respondre, dediquen temps de còmput a "pensar": descomponen el problema, exploren alternatives i verifiquen resultats. Exemples coneguts són la sèrie o1/o3 d'OpenAI, DeepSeek-R1 o Claude en els seus modes de raonament estès.
La seva importància rau en el salt de rendiment que ofereixen en tasques que exigeixen lògica encadenada: matemàtiques, programació, demostracions o planificació complexa. Se solen entrenar amb tècniques d'aprenentatge per reforç que premien les cadenes de raonament correctes, no només la resposta final. Això els permet autocorregir-se durant el procés.
Un matís pràctic rellevant:
- Consumeixen més temps i tokens, la qual cosa encareix cada consulta.
- No sempre compensen en tasques senzilles, on un model convencional respon igual de bé i més ràpid.
Convé reservar-los per a problemes on el raonament estructurat aporti un avantatge clar davant el cost afegit.